内容提要
MongoDB临时CEO宣布平台重大扩展:MongoDB 9.0性能大幅提升,吞吐量最高翻倍、读取速度提升35%;Atlas Infinite实现存储与计算独立扩展,以应对智能体突发负载;Atlas Agent Engine提供记忆、运行时与治理能力,使智能体能在生产环境基于实时运营数据运行。文章指出,AI正从生成答案转向自主执行,数据新鲜度与检索愈发关键,运营数据与AI上下文正趋于融合。
延伸解读
智能体工作负载对数据库架构的新要求
文章指出,智能体应用会触发规划、检索、工具调用、数据库读写和额外推理等一系列操作,单个用户请求可能产生数百次操作,且成千上万的智能体可能并发工作。这种突发性使得用户与基础设施消耗之间的关系变得难以预测。按平均负载配置可能在高峰时崩溃,按峰值配置则导致资源闲置。因此,数据库架构需要让计算快速伸缩,存储不随计算扩展,且开发者无需因负载跨越阈值而重新设计应用。
Atlas Infinite 的弹性设计如何应对突发负载
Atlas Infinite 是 Atlas 平台的新集群类型,允许存储与计算独立扩展,客户可根据工作负载实际需求分别调整。文章称其扩展时间缩短超过 96%,每个分片可容纳 10 倍存储,且无需重写应用即可从原型扩展到 PB 级。该设计针对智能体负载的突发性,避免为峰值过度配置或为平均负载不足而崩溃。公有预览率先在 AWS 上线,未来计划实现多云正式可用。
Atlas Agent Engine 将智能体状态与运营数据融合
文章强调,有用的智能体是有状态的,需要记忆、检索、身份识别、上下文维护和权限治理。目前开发者常需组合运营数据库、向量数据库、记忆系统、编排框架、模型提供商和治理层,每个系统都增加集成点、安全边界和数据副本。Atlas Agent Engine 将这些能力放在运营数据附近,提供内置记忆与检索、统一控制平面,并开放给任何模型、框架或云,旨在降低生产环境运行智能体的复杂性。
数据新鲜度与检索融合成为智能体决策关键
文章认为,AI 正从生成答案转向自主执行,智能体需要基于实时状态做决策。过时的库存、账户余额或订单状态可能导致错误行动。因此,定期将运营数据复制到另一系统已不够,智能体需要访问业务实时状态并基于同一状态行动。同时,企业需从海量信息中检索相关子集,以改善上下文并减少无关令牌。MongoDB 通过原生搜索、向量搜索及 Voyage AI 技术,让运营数据与 AI 上下文趋于融合。
Q&A
MongoDB 9.0 相比 8.0 在性能上有哪些提升?
MongoDB 9.0 是 MongoDB 有史以来最快、性能最强的版本。与 8.0 相比,大型实例吞吐量最高提升 2 倍,读取速度提升 35%,更新速度提升 30%,显著改善了大规模下的性价比。
Atlas Infinite 是什么?它解决了什么问题?
Atlas Infinite 是一种新的部署选项,专为高度弹性的工作负载设计,允许存储和计算独立扩展。它解决了智能体工作负载突发性强、难以预测的问题,使计算能快速扩展和收缩,存储不必随计算扩展,且扩展时间加快 96% 以上,每个分片可容纳 10 倍存储。
Atlas Agent Engine 提供哪些能力?
Atlas Agent Engine 提供智能体在生产环境运行所需的内存、运行时和治理能力。它包括内置的内存和检索功能,让智能体访问相关实时上下文并减少不必要的 token 消耗;统一控制平面提供对智能体操作的身份和治理;并且对任何模型、框架或云开放,避免供应商锁定。
为什么说运营数据与 AI 上下文正在融合?
因为智能体需要基于实时运营数据做出决策,过时的数据会导致错误行动。MongoDB 通过原生搜索和向量搜索,以及 Voyage AI 的检索和嵌入技术,让开发者从同一份实时运营数据中检索相关上下文,无需在运营数据和 AI 上下文之间做选择,两者正逐渐成为同一件事。
智能体工作负载与传统应用工作负载有何不同?
传统应用流量模式相对可预测,而智能体系统行为差异很大:一个用户请求可能触发规划、检索、工具调用、数据库读写和额外推理等一系列操作,一个智能体可能产生数百次操作,数千个智能体可能并发工作。因此用户与基础设施消耗之间的关系变得难以预测,需求可能一时平静一时巨大。
Atlas Agent Engine 如何帮助企业避免为 AI 构建独立的数据架构?
Atlas Agent Engine 将智能体所需的有状态基础设施(内存、检索、治理)放在运营数据所在的同一数据平台上。超过 70,000 家客户和 75% 以上的财富 100 强企业已信任 MongoDB 管理其运营数据,因此他们可以在同一基础上构建和运营智能体,而无需为 AI 创建完全独立的数据架构。